शुरू करेंमुफ़्त में शुरू करें

केस स्टडी का ऑब्जेक्टिव फंक्शन

कार निर्माता के Capacitated Plant Location मॉडल की केस स्टडी जारी रखें। आपको चार Pandas डेटा फ्रेम demand, var_cost, fix_cost, और cap दिए गए हैं, जिनमें क्रमशः क्षेत्रीय मांग (हज़ार कारें), वैरिएबल उत्पादन लागत (हज़ार $US), फिक्स्ड उत्पादन लागत (हज़ार $US), और उत्पादन क्षमता (हज़ार कारें) शामिल हैं। दो Python लिस्ट loc और size भी बनाई गई हैं, जिनमें विभिन्न लोकेशन और प्लांट क्षमता के दो प्रकार शामिल हैं। ये सभी वैरिएबल आपके देखने के लिए कंसोल पर प्रिंट किए गए हैं। मॉडल को इनिशियलाइज़ करने और निर्णय वैरिएबल परिभाषित करने का कोड आपके लिए पहले से पूरा कर दिया गया है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में सप्लाई चेन एनालिटिक्स

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Initialize, and Define Decision Vars.
model = LpProblem("Capacitated Plant Location Model", LpMinimize)
loc = ['USA', 'Germany', 'Japan', 'Brazil', 'India']
size = ['Low_Cap','High_Cap']
x = LpVariable.dicts("production_", [(i,j) for i in loc for j in loc],
                     lowBound=0, upBound=None, cat='Continuous')
y = LpVariable.dicts("plant_", 
                     [(i,s) for s in size for i in loc], cat='Binary')

# Define objective function
model += (lpSum([fix_cost.loc[____,____] * ____[(____,____)] 
                 for s in ____ for i in ____])
          )
कोड संपादित करें और चलाएँ